算法时间复杂度的时间限制以及算法时间复杂度的分析

  首先在竞赛中，计算机1s能执行5*10^8，这也就是说我们所能执行的计算次数在10的8次方以内，超出范围就容易TLE，因此在算法竞赛中我们需要计算出题目范围所给的时间复杂度，排除超出范围的算法，下面先简单计算各个量级的时间复杂度。

  （1）O（n）的算法能解决的范围在n<=10^8（KMP字符串查找法，欧拉筛）

  （2）O（nlogn）的算法能解决的范围在n<=10^6（线段树）

  （3）O（n根号n​)的算法能解决的范围在n<=10^5（二层循环，其中一层循环变量呈倍数关系）

  （4）O（n^2）的算法能解决的范围在n<=5000（二层for循环，dp）

  （5）O（n^3）的算法能解决的范围在n<=300（Floyd用来求多源最短路）

  （6）O（2^n）的算法能解决的范围在n<=25（二进制枚举）

  （7）O（n！）的算法能解决的范围在n<=11（枚举排列）

  时间复杂度大小比较：O（1）<O(log2n)<O(n)<O(nlog2n)<O(n^2)<O(n^3)<......<O(n!)

   例题分析：O（n）

   for（int i=0；i<n；++i）

第一步：列出t以及每轮i的变化值

i      0         1            2           3          4

t      0         1            2           3          4      

第二步：找到t与i的关系     t=i

第三步：确定循环的终止条件  i=n

第四步：联立上述两个方程  t=n

所以它的时间复杂度就为O（n）

二层for循环同理，假设i和j都小于n，那么t=n*n，时间复杂度就为O（n^2)

例题分析：log2n

i=n*n；

while（i！=1）

i/=2;

第一步：  i           n*n          n*n/2         n*n/4         n*n/8

                t            0              1               2                3   

第二步：i=n*n/2^t

第三步：i=1

第四步：    n*n/2^t=1  n^2=2^t即t=2log2n

所以它的时间复杂度就为O（log2n） 

以上，就是对算法的时间复杂度基础的分析。